sahiltambe1996/pgvector

phidata/pgvector - Advance RAG 镜像文档

镜像概述

phidata/pgvector - Advance RAG 是一个基于 Advanced-Retrieval-Augmented-Generation-RAG-with-OpenAI 项目构建的Docker镜像，集成了pgvector向量数据库与OpenAI API，专注于实现高级检索增强生成（RAG）功能。该镜像旨在提供开箱即用的RAG解决方案，通过向量存储与检索技术增强AI生成内容的准确性和相关性。

核心功能与特性

• 向量存储与检索：基于pgvector向量数据库，支持高效的文档向量化存储与相似性检索
• OpenAI集成：无缝对接OpenAI API，利用其强大的生成能力实现检索增强内容生成
• RAG流程优化：内置完整的检索增强生成流程，从文档处理、向量化到检索生成一体化
• 可扩展性：支持自定义文档源接入与检索策略调整，适应不同场景需求

使用场景与适用范围

• 企业知识库问答系统：构建基于内部文档的智能问答平台，实现精准信息检索与回复
• 技术文档智能检索：对API文档、技术手册等进行向量化处理，提供高效检索与解释
• 客服智能回复生成：结合历史对话与知识库，生成上下文相关的客服回复
• 内容创作辅助：基于指定文档素材，辅助生成相关主题的高质量内容

使用方法与配置说明

基本使用（Docker Run）

bash
docker run -d \
  --name advance-rag \
  -p 8000:8000 \
  -e OPENAI_API_KEY="your_openai_api_key" \
  -e PG_HOST="postgres-host" \
  -e PG_PORT="5432" \
  -e PG_USER="postgres" \
  -e PG_PASSWORD="password" \
  -e PG_DATABASE="rag_db" \
  phidata/pgvector:latest

环境变量配置

Docker Compose配置示例

yaml
version: '3.8'

services:
  advance-rag:
    image: phidata/pgvector:latest
    container_name: advance-rag
    ports:
      - "8000:8000"
    environment:
      - OPENAI_API_KEY=sk-xxxxxx
      - PG_HOST=postgres
      - PG_PORT=5432
      - PG_USER=postgres
      - PG_PASSWORD=password
      - PG_DATABASE=rag_db
    depends_on:
      - postgres

  postgres:
    image: postgres:15
    container_name: rag-postgres
    ports:
      - "5432:5432"
    environment:
      - POSTGRES_USER=postgres
      - POSTGRES_PASSWORD=password
      - POSTGRES_DB=rag_db
    volumes:
      - postgres_data:/var/lib/postgresql/data

volumes:
  postgres_data:

访问应用

启动容器后，可通过 http://localhost:8000 访问RAG应用界面，进行文档上传、检索提问等操作。具体接口文档可参考容器内 /docs 路径下的API说明。